动态规划的基本思路和最小硬币问题
动态规划有极其重要的应用.我总结了一下思路:
基本思路
1.观察是否满足最优子结构:
大问题可以由小问题推出,大问题与小问题求解思路一致。
2.观察是否满足无后效性:
一旦F(n)确定,后续我们直接调用它的值就可以了,而不用担心它是怎样过来的。
3.设计好状态
想方设法表达局面
4.设计好状态转移方程:
从两个方面考虑:F(n)从哪里来?和F(n-1)什么关系?
F(n)是否可以表示下一个?
5.利用代码实现
下面应用最少硬币问题进行小小的实践:
问:面值为1,5,11的三种硬币,给你一个总价,如何用最少的硬币去凑
代码如下:
#include<bits/stdc++.h>
using namespace std;
int min(int a, int b)
{
return a < b ? a : b;
}
int main() {
int dp[1000], n;
dp[0] = 0; //dp[i]是凑齐i元的最优解
int num; //最优解
cout << "请输入总价";
cin >> n; //输入的总价
for (int i = 1; i <= n; i++)
{
num = 9999;
if (i - 1 >= 0) num = min(num, dp[i - 1] + 1); //至少保证可以取这个币
if (i - 5 >= 0) num = min(num, dp[i - 5] + 1);
if (i - 11>= 0) num = min(num, dp[i - 11] + 1);
dp[i] = num;
}
printf("最少需要的硬币数:%d", dp[n]);
return 0;
}
其中状态转移方程的思路:
假如我要凑18元,分别拿1,5,11的三种硬币一个先凑,那么我接下来要分别凑17,13,7元.而F(17),F(13),F(7)的最优解在求F(18)前理论上已经求出了. 直接F(x)+1就是f(18)的最优解,其中F(x)是F(17)F(13)F(7)里的最小值.
Dp的经典应用还有最长单调子串,01背包问题等等.